-
公开(公告)号：CN108765948A
公开(公告)日：2018-11-06
申请号：CN201810576741.2
申请日：2018-06-05
IPC: G08G1/01 , G08G1/065 , G08G1/0968 , G08G1/123
Abstract: 本发明提供一种弹性公车系统的调度方法和系统，包括：1)初始化路网数据，通过聚类生成车站和停靠点；2)根据车站的分布构建交通流量网，计算交通流量，若大于设定的交通流量阈值，则在开通一趟公车，否则，原地等候；3)当公车开通后，公车将初始行驶路线作为当前行驶路线并从起点发车；4)公车沿着当前行驶路线行驶，当收到来自乘客的乘车请求时，判断是否满足插入约束条件，若是，则接受该乘车请求，将新行驶路线设为当前行驶路线；反之，则拒绝该乘车请求；5)当公车行驶到当前行驶路线的终点，回到步骤2)。本发明根据实时乘车请求对行驶路线进行灵活的调整，在保证服务质量的基础上最小化调度成本，提高城市交通的效率。
-
公开(公告)号：CN116579401A
公开(公告)日：2023-08-11
申请号：CN202310632067.6
申请日：2023-05-31
IPC: G06N3/08 , G06F18/22 , G06F18/23 , G06F18/214 , G06F17/16
Abstract: 本发明公开一种基于自我迭代的深度子空间训练方法及装置，方法包括：预训练步骤，最小化第一优化函数来训练深度子空间网络，以初始化相似度矩阵；训练步骤，在迭代次数t小于第一迭代次数时，固定自我表达系数矩阵，迭代第二迭代次数，通过最小化第二优化函数来更新深度子空间网络参数；固定深度子空间网络参数，迭代第三迭代次数，通过最小化第三优化函数，来更新自我表达系数矩阵，根据更新自我表达系数矩阵来更新第t次迭代生成的相似度矩阵，最终实现前t次迭代的相似度矩阵的更新；令迭代次数t增1，重复训练步骤。本发明引入自我迭代的思想，通过先训练的结果来监督模型的训练，同时可以丢弃先前的训练结果，以实现节省内存和计算资源。
-
公开(公告)号：CN108765948B
公开(公告)日：2020-07-28
申请号：CN201810576741.2
申请日：2018-06-05
IPC: G08G1/01 , G08G1/065 , G08G1/0968 , G08G1/123
Abstract: 本发明提供一种弹性公车系统的调度方法和系统，包括：1)初始化路网数据，通过聚类生成车站和停靠点；2)根据车站的分布构建交通流量网，计算交通流量，若大于设定的交通流量阈值，则再开通一趟公车，否则，原地等候；3)当公车开通后，公车将初始行驶路线作为当前行驶路线并从起点发车；4)公车沿着当前行驶路线行驶，当收到来自乘客的乘车请求时，判断是否满足插入约束条件，若是，则接受该乘车请求，将新行驶路线设为当前行驶路线；反之，则拒绝该乘车请求；5)当公车行驶到当前行驶路线的终点，回到步骤2)。本发明根据实时乘车请求对行驶路线进行灵活的调整，在保证服务质量的基础上最小化调度成本，提高城市交通的效率。
-
公开(公告)号：CN109657820A
公开(公告)日：2019-04-19
申请号：CN201811281523.2
申请日：2018-10-23
Abstract: 本发明为一种可预约的出租车匹配方法，包括以下几个步骤：1)初始化路网数据，构建时间依赖的速度网络；2)车辆状态实时更新到系统，乘客发起出行请求并发送到中心服务器进行处理；3)服务器将已就绪请求和空载的出租车抽象成节点建立匹配二分图，并计算乘客请求和出租车配对的效能；4)将系统中的出租车匹配问题转化成最小代价流问题，产生最佳的“出租车-乘客”匹配方案；5)根据匹配方案，系统发送通知给请求成功的乘客，出租车则前往指定地点接乘客；6)跳转到步骤2)，周期性地增量更新请求和匹配。本方法和系统可求解出租车预约请求和实时请求的调配问题，减少乘客等车时间，提高出租车的行驶效率，提高效益。
-
公开(公告)号：CN115359281A
公开(公告)日：2022-11-18
申请号：CN202210549705.3
申请日：2022-05-20
IPC: G06V10/762 , G06V10/74
Abstract: 本发明公开一种基于深度子空间聚类顺序集成的图像聚类方法及系统，方法包括：基于输入图像数据与重建图像数据获得初始的图像编码器网络和图像解码器网络；基于随机遮掩视觉特征向量和自我表达的视觉特征向量获得初始的自我表达系数矩阵；固定自我表达系数矩阵，迭代更新图像编码器网络和图像解码器网络；固定图像编码器网络和图像解码器网络，迭代更新自我表达系数矩阵；基于自我表达系数矩阵，迭代更新图像相似度矩阵以及图像集成相似度矩阵；将最终得到的图像集成相似度矩阵作为谱聚类算法的输入，获得图像聚类结果。本发明采用顺序方式依次生成自我表达系数矩阵并直接集成，进而提升深度子空间聚类网络对于图像聚类的性能。
-
Patent Agency Ranking
公开(公告)号：CN109657820B
公开(公告)日：2020-10-20
申请号：CN201811281523.2
申请日：2018-10-23
Abstract: 本发明为一种可预约的出租车匹配方法，包括以下几个步骤：1)初始化路网数据，构建时间依赖的速度网络；2)车辆状态实时更新到系统，乘客发起出行请求并发送到中心服务器进行处理；3)服务器将已就绪请求和空载的出租车抽象成节点建立匹配二分图，并计算乘客请求和出租车配对的效能；4)将系统中的出租车匹配问题转化成最小代价流问题，产生最佳的“出租车‑乘客”匹配方案；5)根据匹配方案，系统发送通知给请求成功的乘客，出租车则前往指定地点接乘客；6)跳转到步骤2)，周期性地增量更新请求和匹配。本方法和系统可求解出租车预约请求和实时请求的调配问题，减少乘客等车时间，提高出租车的行驶效率，提高效益。
-
公开(公告)号：CN113077901A
公开(公告)日：2021-07-06
申请号：CN202110348004.9
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种电子病历分析装置和方法，包括：获取EHR数据中的疾病编码、医疗干预编码、住院类型和入院/出院时间；将获取的患者信息作为住院‑长短期记忆神经网络Care‑LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数αt和用于反映统一诊疗记录间的内在关联的权重系数βt；基于住院类型和住院间隔时间，得到权重系数rt；基于权重系数αt、βt和rt，得到总权重系数wt；将总权重系数wt与表征向量进行加权平均获得最终状态向量；将最终状态向量作为全连接层和激活函数的输入，获得ICU患者的死亡风险概率。本发明通过住院‑长短期记忆神经网络Care‑LSTM获得两组权重向量，使得分析结果更为准确。
-
公开(公告)号：CN116069490A
公开(公告)日：2023-05-05
申请号：CN202111288518.6
申请日：2021-11-02
Applicant: 厦门大学
IPC: G06F9/50
Abstract: 本申请提供了一种基于车辆移动预测的车联网边缘缓存分配方法，包括以下步骤：初始化路网数据，对路网进行网格化划分并且标记出路网上的车辆热点区域，以及初始化路侧节点和车辆的缓存空间；在路侧节点或车辆对用户发送的请求内容进行响应的条件下，根据请求内容更新自身维护的内容流行度列表，并根据内容流行度列表更新自身缓存；预测靠近热点区域的车辆的移动方向，若车辆的行驶方向为驶向热点区域，则对车辆的缓存进行提前更新；以及响应于确定车辆的行驶方向并非为驶向热点区域，则返回步骤S2，继续等待用户发送请求内容。该方法可以有效解决当前车联网缓存车辆和路侧节点的缓存分配问题，减少网络延迟，提高缓存效率。
-
公开(公告)号：CN113077901B
公开(公告)日：2022-05-10
申请号：CN202110348004.9
申请日：2021-03-31
Applicant: 厦门大学
Abstract: 本发明涉及一种电子病历分析装置和方法，包括：获取EHR数据中的疾病编码、医疗干预编码、住院类型和入院/出院时间；将获取的患者信息作为住院‑长短期记忆神经网络Care‑LSTM的输入，计算得到用于反映不同时间下诊疗记录关联性的权重系数αt和用于反映统一诊疗记录间的内在关联的权重系数βt；基于住院类型和住院间隔时间，得到权重系数rt；基于权重系数αt、βt和rt，得到总权重系数wt；将总权重系数wt与表征向量进行加权平均获得最终状态向量；将最终状态向量作为全连接层和激活函数的输入，获得ICU患者的死亡风险概率。本发明通过住院‑长短期记忆神经网络Care‑LSTM获得两组权重向量，使得分析结果更为准确。
-
公开(公告)号：CN107249169A
公开(公告)日：2017-10-13
申请号：CN201710398329.1
申请日：2017-05-31
Applicant: 厦门大学
Abstract: 本发明提供车载网络环境下基于雾节点的事件驱动的数据收集方法，包括：(1)车辆节点默认在低成本感知模式下产生感知数据，并把相关数据上传到路边设施，作为雾节点；(2)雾节点接收数据，检查对应的事件的概率、置信度，并判断是否发起“检查事件”的过程；(3)位于上述覆盖区域内的所有车辆节点通过定时器延迟的方式使得其中至少一个车辆节点接受“检查事件”的命令；(4)接受“检查事件”的车辆节点，进入高成本感知模式并进行数据上传；(5)雾节点接收数据并计算事件的发生可能性，与后台ITS系统协同判定事件真伪并进行数据归档。本发明方法明确，效果显著，在准确检测事件的同时能大幅度减少数据收集过程中的传输成本。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.016 seconds)
